[發明專利]神經網絡的訓練方法及設備、圖像處理方法及設備

在審

• 申請號: 202110208892.4
• 申請日: 2021-02-24
• 公開（公告）號: CN112884124A
• 公開（公告）日: 2021-06-01
• 發明（設計）人: 魯轉麗;施佳子;于海燕;楊瑞光
• 申請（專利權）人: 中國工商銀行股份有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06T7/00;G06T7/41;G06T7/90
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 李春偉

本公開提供了一種神經網絡的訓練方法及設備、圖像處理方法及設備、存儲介質和產品，可用于云計算、金融領域、圖像處理領域或其他領域，神經網絡包括對抗學習網絡，用于根據輸入的第一圖像生成第二圖像，第一圖像是來自訓練圖像集的圖像且具有標簽值；特征獲取網絡，用于獲取第一圖像的深度卷積特征和第二圖像的深度卷積特征；以及特征融合網絡，用于將第一圖像的深度卷積特征和第二圖像的深度卷積特征融合，以得到深度卷積融合特征；回歸網絡，用于處理深度卷積融合特征，以得到評測值；訓練方法包括：通過調整神經網絡的網絡參數，使得利用神經網絡處理第一圖像與第二圖像得到的評測值，趨近于第一圖像的標簽值。

技術領域

本公開涉及圖像處理領域，更具體地，涉及神經網絡的訓練方法及設備、圖像處理方法及設備、計算機可讀存儲介質和計算機程序產品。

背景技術

隨著互聯網技術的發展，線上購物變得越來越普遍。相關技術在線上購物時，顧客無法直接觀察貨品的形狀構造等信息，并且多數貨品在線上商店僅僅以二維靜態圖像的形式展示。但是，二維圖像不能全面直觀地反映貨品的三維信息。因此，很多線上商店通過向顧客展示貨品的三維模型的形式，或者其他形式(例如視頻等)，使顧客對于貨品信息有更加全面的了解。然而，對于數量多，形狀復雜的貨品，采用三維模型或者視頻展示時，將會耗費大量的財力物力，成本較高，不利于推廣。

相關技術中，可以通過將二維圖像轉換三維圖像的方法來提升展示效果，但是圖像轉換過程存在諸多問題，導致生成的三維圖像不符合標準，或者無法有效展示物品的信息，顧客體驗較差。

發明內容

有鑒于此，本公開提供一種神經網絡的訓練方法及設備、圖像處理方法及設備、計算機可讀存儲介質和計算機程序產品，通過對神經網絡的訓練，調整神經網絡中的至少一個網絡參數，使調整后的神經網絡能夠準確的對二維圖像進行評測。此外，通過將訓練后的神經網絡運用到圖像處理方法中，提高二維圖像辨別的準確率，至少部分地解決二維圖像轉換三維圖像出現的不符合標準或無法有效展示物品信息的問題。

本公開的一方面提供了一種神經網絡的訓練方法，其中，神經網絡包括：對抗學習網絡，用于根據輸入的第一圖像生成第二圖像，第一圖像是來自訓練圖像集的圖像且具有標簽值；特征獲取網絡，用于獲取第一圖像的深度卷積特征和第二圖像的深度卷積特征；以及特征融合網絡，用于將第一圖像的深度卷積特征和第二圖像的深度卷積特征融合，以得到深度卷積融合特征；回歸網絡，用于處理深度卷積融合特征，以得到評測值；訓練方法包括：通過調整神經網絡的至少一個網絡參數，使得利用神經網絡處理第一圖像與第二圖像得到的評測值，趨近于第一圖像的標簽值。

根據本公開的實施例，對抗學習網絡包括：生成網絡；紋理生成模塊；第一判別網絡；以及第二判別網絡；訓練方法包括：獲取訓練圖像集；由生成網絡根據第一圖像生成第二圖像和第三圖像，并由第一判別網絡確定第二圖像與目標圖像之間的第一判別結果，其中，第三圖像包含第二圖像的紋理信息，目標圖像是訓練圖像集中與第一圖像配對的圖像；由紋理生成模塊根據第一圖像和目標圖像生成第四圖像，并由第二判別網絡確定第三圖像與第四圖像之間的第二判別結果；根據第一判別結果和/或第二判別結果調整生成網絡的參數。

根據本公開的實施例，根據第一圖像和目標圖像生成第四圖像包括：通過紋理提取函數提取第一圖像的第一紋理信息和目標圖像的目標紋理信息，并將第一紋理信息與目標紋理信息進行融合得到第四圖像。

根據本公開的實施例，通過調整神經網絡的網絡參數包括以下中的至少一個：調整特征獲取網絡的參數；調整特征融合網絡的參數；調整回歸網絡的參數。

本公開的另一方面提供了一種圖像處理方法，用于將二維圖像轉換成三維圖像，包括：獲取二維圖像，二維圖像具有圖像屬性；根據圖像屬性中的至少一個參數權重值計算屬性得分；若屬性得分高于第一預設閾值，則利用質量評價模型對二維圖像進行質量評價，得到質量得分；以及若質量得分高于第二預設閾值，則通過圖像轉換模型將二維圖像轉換成三維圖像；